Tarification Cognitive Services - Services Speech

• Pour Traduction vocale, Synthèse vocale et Synthèse vocale avec modèle vocal personnalisé : l’utilisation est facturée par incréments d’une seconde
• Pour Synthèse vocale et Synthèse vocale avec police de la voix personnalisée : l’utilisation est facturée par caractère
• Pour l’hébergement Modèle vocal personnalisé, l’utilisation est facturée à l’heure. Pour l’hébergement Police de la voix personnalisée, l’utilisation est facturée quotidiennement.

Le service vocal Speech permet aux utilisateurs d’adapter des modèles de base en fonction de leurs propres données acoustiques et linguistiques, produisant ainsi des modèles vocaux personnalisés qui peuvent être utilisés avec la reconnaissance vocale et la traduction vocale.

Le modèle linguistique est une distribution de probabilité sur des séquences de mots. Le modèle linguistique aide le système à opérer un choix parmi des séquences de mots homophones, en se basant sur la probabilité des séquences de mots elles-mêmes. Par exemple, les groupes de mots « séquence vocale » et « c’est quand ce veau cale » se prononcent de la même manière mais, la première hypothèse étant sensiblement plus probable, le modèle linguistique lui attribue un score supérieur. Si vous vous attendez à ce que les requêtes vocales adressées à votre application contiennent des éléments de vocabulaire particuliers, tels que des noms de produits ou des mots de jargon technique rarement rencontrés dans un discours ordinaire, vous obtiendrez probablement de meilleures performances en personnalisant le modèle linguistique. Par exemple, imaginons que vous construisez une application pour rechercher sur MSDN à l’aide de la voix. Il est probable que des termes tels que « orienté objet » ou « espace de noms » apparaissent plus fréquemment que dans des applications vocales ordinaires. La personnalisation du modèle linguistique permet au système d’apprendre cela.

Le modèle acoustique est un classifieur qui étiquette de courts fragments audio en l’un des quelques phonèmes, ou unités sonores, de chaque langue. Ces phonèmes peuvent être assemblés pour former des mots. Par exemple, le mot « vocal » comprend cinq phonèmes : « v », « o », « k », « a » et « l ». Ces classifications sont effectuées une centaine de fois par seconde. Une personnalisation du modèle acoustique peut permettre au système d’effectuer une meilleure reconnaissance vocale dans un environnement atypique. Par exemple, si vous avez une application conçue pour être utilisée par des ouvriers travaillant dans un entrepôt ou un atelier, un modèle acoustique personnalisé peut reconnaître de façon plus précise le discours en présence des bruits rencontrés dans ces environnements.

Les services Microsoft Speech fournissent plus de 70 voix par défaut (appelées polices de la voix) dans plus de 40 langues pour vous aider à convertir votre texte en audio. Avec la montée en puissance de l’assistant virtuel et les diverses applications vocales, de nombreuses entreprises souhaitent toutefois avoir une voix unique qui représente leur activité et est soigneusement conçue pour leur propre identité de marque. Par exemple, si vous développez un bot conversationnel pour votre service client, vous pouvez l’associer à une voix vocale unique représentant votre entreprise afin de développer l’attachement client. De même, un développeur de logiciel de navigation embarqué peut proposer une synthèse vocale avec différentes voix personnalisées pour enrichir l’expérience utilisateur.

Grâce à Voice Studio, le portail de création de voix personnalisé, c’est facile. En utilisant vos propres données audio (voix humaine enregistrée avec leurs scripts associés), vous pouvez générer une police de la voix personnalisée qui est ensuite déployée dans le service de synthèse vocale Microsoft et peut être facilement connectée à vos applications avec un point de terminaison API pour votre propre utilisation.